Tekoälyn hyödyntäminen taimikonhoidon työvaikeuden määrityksessä

Opinnäytetyössä tutkittiin tekoälyn käytön mahdollisuuksia taimikonhoitotarpeiden löytämisessä ja niiden työvaikeuden määrityksessä. Tavoitteena oli saada selville, miten luotettavia tekoälyllä kaukokartoituksista tehdyt arviot taimikon vesakoituneisuudesta ovat. Tekoälyn hyödyntämisestä haetaan apua metsäsuunnittelun automatisoimiseksi ja metsävarojen entistä tarkemman suunnittelutiedon saamiseksi. Tutkimus oli osa Metsähallituksen tekoälyprojektia. Tutkimus toteutettiin vertailemalla maastomittauksia ja tekoälyllä tuotettua arviota toisiinsa. Vertailu tehtiin 16 x 16 m hilaruututasolla Viitasaari - Pyhäjärvi -välisellä alueella Metsähallituksen tulevilla taimikonhoitokuvioilla. Vertailu toteutettiin 874 hilaruudun osalta, missä oli mukana varhaisperkaus- ja taimikonharvennuskohteita. Maastomittaukset tehtiin kesällä 2020 Metsähallituksen maastomittausohjetta käyttäen. Tekoälyarvion eli vesakoitumisindeksiarvot loi Terramonitor. Aineistojen tutkiminen suoritettiin tutkimalla tärkeimpien, taimikonhoidon työvaikeuteen vaikuttavien tekijöiden eli poistettavien runkojen määrän ja läpimitan korrelaatiota saman hilaruudun tekoälyllä muodostettuun indeksiarvoon. Tutkimuksen tuloksena saatiin selville tekoälyn haasteet tunnistaa pientä puustoa. Hilaruututasolla indeksiarvot eivät korreloineet vesakoituneisuuden määrän vaihteluun, miten järjestelmän ollessa luotettava pitäisi käydä. Selittävää tekijää ei arvojen heittelyille löytynyt. Kun hoitotarpeen määritys ei onnistunut, ei haastavampi työvaikeuden määrityskään luonnollisesti onnistunut. Tällä hetkellä käytössä olevalla laitteistolla ei siis pystytty tuottamaan luotettavaa tietoa kaukokartoitusaineistoista. Laajaa mittausaineistoa voidaan onneksi käyttää tekoälyn opettamiseen